楼+之深度学习实战第 7 期

本课程将使用 Python 作为代码实战过程中的唯一编程语言，需要你熟悉使用 Python 构建机器学习模型的 常用工具模块，包括 NumPy，Pandas 以及绘图工具 Matplotlib。 如果你还未掌握上述技能，请在开课前 自学以下课程：Python3简明教程，NumPy 数值计算基础课程， Pandas 数据处理基础课程，Matplotlib 数据绘图基础课程。 详细内容，请阅读正式课程页面中的课程准备相关内容。

本周将围绕深度学习基础原理展开，内容将涵盖线性回归、逻辑回归、感知机、人工神经网络等算法的理论及应用。 你会对深度学习的基本概念，以及模型的构建、训练、评估有初步的了解，为后续深度神经网络的学习打下基础。

深度学习原理部分，课程会使用 Python 从 0 到 1 构建神经网络。但深度神经网络如果按此方法构建将会 变得异常麻烦。本周，我们将学习深度学习通用的网络构建方法，掌握业界最常用的两大著名深度学习框架 TensorFlow 和 PyTorch。

计算机视觉一定是深度学习最擅长的领域之一，本周我们将学习卷积神经网络和生成对抗网络的原理及构建方法。 同时，课程将从图像分类、图像生成、目标检测等场景出发，运用深度学习技术进行实践。

自然语言处理是让机器理解人类语言的一项技术。本周我们会学习循环神经网络的原理和构建方法，尝试探索自 然语言处理相关应用。你不仅能接触到机器写诗的奇妙，还将学会利用最前沿的预训练技术来完成假新闻分类任务。

本周内容将涉及到自动化深度学习技术，自动化深度学习可以一定程度上降低深度学习模型的开发门槛，算法的 选择、训练、调优、部署等一系列过程都可以交给自动化组件来完成。与此同时，我们将掌握深度学习模型持久 化方法，并独立设计部署一个图像分类云端模型推理 RESTful API。

为了检验课程内容的学习成果，你需要独立完成最终的课程项目挑战。我们依托于 Kaggle 建立了实战化的比 赛，你将体会到竞争带来的乐趣。如果你能够出色完成项目挑战内容，将有机会获得课程设置的现金奖学金。 除此之外，认真完成项目挑战的学员，也将收到课程组给出的评阅意见。